面向多模态语义非正交传输与融合的端到端学习大规模MIMO
信号处理
2025-12-15 v2 人工智能
信息论
机器学习
math.IT
摘要
本文研究了混合模数大规模多输入多输出（MIMO）中的多模态语义非正交传输与融合。构思了一个基于Transformer的跨模态信源信道语义感知网络（CSC-SA-Net）框架，其中信道状态信息（CSI）参考信号（RS）、反馈、模拟波束赋形/合并以及基带语义处理在基站（BS）和用户设备（UE）处进行数据驱动的端到端（E2E）优化。CSC-SA-Net包含五个子网络：BS侧CSI-RS网络（BS-CSIRS-Net）、UE侧信道语义感知网络（UE-CSANet）、BS-CSANet、UE侧多模态语义融合网络（UE-MSFNet）和BS-MSFNet。具体而言，我们首先端到端训练BS-CSIRS-Net、UE-CSANet和BS-CSANet，以最大{\emph{物理层}}频谱效率为目标联合设计CSI-RS、反馈、模拟波束赋形/合并。同时，我们端到端训练UE-MSFNet和BS-MSFNet，以优化{\emph{应用层}}的源语义下游任务。在这些预训练模型的基础上，我们进一步将应用层语义处理与物理层任务相结合，以端到端训练五个子网络。大量仿真表明，所提出的CSC-SA-Net优于传统的分离式设计，揭示了跨模态信道-信源语义融合的优势。
引用
@article{arxiv.2509.19312,
title = {E2E Learning Massive MIMO for Multimodal Semantic Non-Orthogonal Transmission and Fusion},
author = {Minghui Wu and Zhen Gao},
journal= {arXiv preprint arXiv:2509.19312},
year = {2025}
}